人工智能与物流：供应链是否会迎来一场“就业大崩溃”？
Trimble 首席平台官重申“就业大崩溃”预测
Trimble 公司首席平台官乔纳·麦金泰尔（Jonah McIntire）深入剖析 AI 对物流业的真实影响，回应业内关于供应链领域或将爆发“就业大崩溃”的热议。他阐释了 AI 如何重塑软件开发与并购整合逻辑，并强调其核心价值不在于炫目的新技术，而在于激活遗留系统与数据的深层潜力。这一转变将重新定义岗位职能，并催生全新商业模式。
乔纳·麦金泰尔（Jonah McIntire）担任 Trimble 运输业务板块首席平台官，负责该公司运输业务段全部产品与工程事务——该部门人员约占运输业务板块总人数的一半。他再度强化此前预测：人工智能将触发物流后台岗位的“就业大崩溃”。该言论最早于 2025 年 10 月或 11 月提出，后随货运领域 AI 部署加速而再度引发关注。
“我实在看不出那些岗位有什么理由不能被 AI 取代或彻底消除。”他所指的岗位，是所有数据输入与输出均通过屏幕完成的工作。
这一预测分量十足，源于 Trimble 在行业的广泛渗透：其产品覆盖美国约 65% 的公路货运运力，业务涵盖运输管理系统（TMS）、地图服务及车载终端设备；后者已通过与 Platform Science 公司的合并完成整合。
结构性优势来自嵌入式数据与硬件网络
麦金泰尔指出，对嵌入式数据、已部署网络及分布式硬件的掌控，赋予传统平台相较 AI 原生初创企业的结构性优势。后者虽可快速构建，但也同样易被迅速颠覆。
“你算一下账就知道，分配给员工的资金总额并无物理定律强制其保持恒定。由于所需人力减少，后台运营成本自然会更低。”
他同时缓和了这一前景：历史上被技术浪潮淘汰的从业者，往往通过所谓“资本主义的创造性破坏”转向其他行业——他以打字员等早期被替代的职业为例。他强调，人类角色的核心正转向创意发端与战略定向——这些工作目前 AI 尚无法可靠执行，或承载着不可让渡的道德责任。
“迄今为止，AI 尚未能令人满意地独立产生最初的创意。”
面向中小承运商推出按需定制 TMS
在产品层面，Trimble 近期正式推出一款名为 Trimble TMS 的新一代运输管理系统，目标直指美国中小型承运商——其中许多企业正首次采购 TMS 系统。该产品依托 AI 驱动的开发模式实现“按需定制”，使经济可行性得以成立。
麦金泰尔表示，单元经济效益已然逆转：如今为单个客户构建定制化工作流，其成本与效果均优于说服客户迁就预设代码。他举例说明：一家巧克力承运商需要在每次停靠时自动执行冷藏检查；在新模式下，Trimble 可直接为其构建该功能，且定价低于数年前一套通用型 TMS 的成本。
此次向下沉市场的拓展，亦折射出 AI 正重塑 Trimble 对其众多收购资产的整合策略。公司不再强求各平台（部分可追溯至 1960 年代，包括麦金泰尔称之为“全球首个商用 TMS”的 Innovative 系统）统一界面与体验，而是推行所谓“最大互操作性、最小相互依赖性”原则。主数据与外部连接等共性要素将标准化；其余部分，包括用户界面，则依各产品特性而异。
AI 还使 Trimble 得以在不迁移客户数据的前提下，为主机系统（mainframe-based legacy systems）叠加现代化交互体验。
数据资产与装机基础成 AI 时代护城河
麦金泰尔承认，华尔街对 AI 侵蚀传统软件企业价值的担忧确有依据，尤其针对那些仅凭“构建耗时长”作为唯一竞争壁垒的供应商。但他主张，在 AI 时代，数据资产、既有客户黏性及品牌韧性不仅未削弱，反而持续增强；纯粹依靠软件复杂度建立的差异化优势则正在弱化。
他将 AI 原生初创企业的迅猛增长比作“糖分激增”（sugar high），指出其赖以崛起的低门槛，同样使其极易被相同力量颠覆。
麦金泰尔重申其“就业大崩溃”预测：随着 AI 成熟，所有经由屏幕中介的物流后台岗位面临被淘汰或价值贬损。Trimble 新推出的按需定制 TMS——Trimble TMS，瞄准美国中小型承运商群体，其中许多人系首次购置 TMS 系统，售价低于传统 TMS 历史价格。他指出，Trimble 在 AI 时代的竞争优势，根植于其数据资产与嵌入式网络——覆盖美国约 65% 的公路货运运力——而非单纯依赖软件复杂度。
【视频片段节选】
Speaker 1 [0:00] 当然。
Speaker 2 [0:00] 我们请到了乔纳·麦金泰尔（Jonah McIntyre），他是 Trimble 公司的首席平台官。乔纳，您今天好吗，先生？
Speaker 3 [0:06] 我很好。听你们的对话很有意思。
Speaker 2 [0:08] 是啊，货运领域新闻永远不断，乔纳，您知道的。Trimble 是一家庞大机构，提供极其广泛的产品与技术平台。那么，作为首席平台官，您具体负责什么？这个职位意味着什么？
Speaker 3 [0:31] 基本上，所有从事产品或工程工作的人员都向我汇报。这部分人员约占运输业务板块总人数的一半。因此，无论是设计、构思、制定战略，还是编码开发、维护产品，相关团队都在我的管辖范围内。
Speaker 2 [0:54] AI 显然正席卷全球。而这一领域——Trimble 拥有海量数据， arguably（业界公认）是整个行业中规模最大的数据持有者之一。我认为这一数字约为 65% 的美国公路货运运力配备了 Trimble 产品，涵盖 Trimble 地图、TMS 系统以及原先的车载终端设备（ELD 设备），后者现已纳入 Platform Science 合并体系。面对如此庞大的数据与系统资产，AI 代理时代对 Trimble 究竟意味着什么？
Speaker 3 [1:32] 是的，如果 AI 能……就像瓶中精灵被释放出来。只要你有清晰构想，就能生成执行该构想的软件。AI 正迅速降低软件开发的成本与周期，但软件依然受限于对真实世界准确数据的需求——而这类数据无法凭空捏造。此外，软件还需真正嵌入实际运营场景。因此存在若干瓶颈：再优秀的软件，也需部署到驾驶室或后台办公室；还有网络效应问题——想想 LinkedIn、Facebook，或 FreightWaves 本身。你可以很快做出一个精美的网站，但要让大量用户，尤其是所有业务伙伴都使用它，这才是真正的网络难题。这正是我们步入 AI 时代所拥有的优势。当然，我们仍须打造优质、吸引人、实用的 AI 产品，以充分利用这些优势。
Speaker 2 [2:41] 乔纳，Trimble 向来是一家积极并购的企业，收购一直是其核心增长引擎之一。这固然带来规模效应，但也造成大量整合难题。在 AI 时代，是否更易将新平台纳入体系、提升系统间数据流转效率，并确保各系统互联互通？
Speaker 3 [3:07] 是的，这确实大幅改变了局面。收购后的整合速度确实可以加快，但同时也显著抬高了收购标的的价值门槛。如果你收购的是一套精巧的软件，甚至是一套精巧的硬件（比如某款精巧设备），那么它的价值如今已远不如从前。但如果你收购的是一个网络、一座数据宝库，或一套已部署于现实世界的分布式系统——现在你能为其注入新的智能——那么这些资产的价值非但未降，反而上升了。
Speaker 2 [3:52] 近年来，华尔街对传统软件股的打压可谓严酷，Trimble 亦未能幸免。市场担忧，或者说华尔街视角认为，AI 将取代“记录系统”（systems of record），对其构成实质性冲击。这在货运市场似乎略显牵强，因为这些系统至关重要。我甚至认为，目前市场上仍有大量 AS/400 系统在运行，可能支撑着约 80% 的货运业务——它们基于 IBM 主机，已有 20 年历史，界面仍是传统的绿色屏幕。作为同时应对上市公司事务的人士，您如何看待这种市场认知？您虽不能谈论前瞻性陈述，但可谈谈您在 Trimble 履职期间，对华尔街如何看待这些记录系统的看法。
Speaker 3 [4:53] 是的，某种软件业务的价值确已下降。若你的核心护城河仅是“我们花了很长时间才建成这套软件，因此无人能与我们竞争”——例如 SAP，它耗时漫长、体量巨大，别人既无法复制，也无经济动力去追赶——那么现在情况变了，追赶已非难事。若你的护城河是“我们早已遍布各地，更换系统极为困难”，那么这一优势并未减弱。正如您之前提到的，很多人固守老旧技术，只因变更之痛过于剧烈。因此，数据、品牌等要素的价值并未衰减，甚至可能提升。你可以用小团队打造出炫酷技术，但人们难免质疑：这家供应商几年后是否还存在？市场很难厘清这些要素的混合权重。以 Trimble 为例，我们显然既有属于第一类的软件，也有大量属于有利类别的资产。此外，当前还出现一种现象：软件企业正趋于高度同质化。因此你看到一些初创企业照搬高利润、高增长软件企业的成功范式，它们无需雇佣大量人员即可快速构建软件，从而催生超高速增长企业。但我怀疑，它们更像是“糖分激增”——其崛起所依赖的低门槛，同样会使其轻易被颠覆。
Speaker 2 [6:53] 是的，这是个很好的观点。两年前，语音技术等 AI 底层技术刚进入卡车运输领域时，因其新颖性而具备优势——当时掌握难度大、熟悉者少。如今借助 Claude 等 AI 平台，开发变得极为便捷——虽不敢说人人皆可为之，但门槛已极低。这种易得性带来巨大压力。但我知道，运营数据业务最赋能的一点，是我们坐拥一座数据富矿——Sonar 的数据储量绝对庞大。我们能构建可视化层，呈现数据故事，提供前所未有的可视化与可执行洞察方式；过去需数月才能上线的功能，如今几小时内即可交付。数据本身并未改变，数据才是客户的价值主张，而可视化层的交付却变得异常轻松。我猜想，对 Trimble 这样坐拥海量数据的公司而言，这无疑是一项赋能技术。
Speaker 3 [8:09] 毫无疑问。而且，您可能出于谨慎不便提及，但我认为在美国，公众普遍认为我们的 TMS 系统较为陈旧。这没错。例如，我们有一款名为 Innovative 的产品，它很可能是全球首个商用 TMS 系统，诞生于 1960 年代——即美国运输业解除管制之前。那个年代，创办一家商业货运公司比今天组建一支消防队还要困难。你必须向社区证明其必要性，如同消防队一般。当时货运业远非商业化运作。这款 TMS 历经数十年风雨存续至今，实属奇迹——当年与其竞争的诸多公司早已消失。但如您所说，它仍是基于主机的系统，外观陈旧。如今，借助 AI，我们得以焕发这些传统应用的活力，为客户打造完全现代化的体验——其外观与 2026 年任何一家初创公司出品无异，却无需改变其基础运营。客户无需迁移数据，一切均可就地升级。这对我们而言是巨大优势。正如您所言，客户的数据才是其价值所在，数据仍驻留原处，我们只是围绕其现代化所有外围体验。原位升级，无需将其整体迁移至新系统。这对我们而言是巨大优势。
来源：FreightWaves
本文编译自海外媒体报道，由 SCI.AI 编辑团队整理发布。
